[发明专利]一种基于法向腐蚀和随机游走的骨折粘连分割方法

说明书

本发明公开了一种基于法向腐蚀和随机游走的骨折粘连分割方法。该方法目标是实现骨折后粘连骨骼的分离，包括如下步骤：(1)模型预处理，平滑模型表面，减少法向量计算误差；(2)交互选取随机游走区域，提取粘连区域体素；(3)基于法向的腐蚀，根据邻域体素与法向的位置关系判断是否腐蚀当前点；(4)连通区域标记，标记腐蚀后互不连通的各区域；(5)膨胀还原数分割区域，还原原始模型细节。本发明提供的粘连骨骼分割方法，仅腐蚀曲率较大的体素，有效防止了过分割，能够较准确地实现粘连碎骨的分离。

技术领域

本发明属于医学图像三维分割领域，涉及医学三维图像中骨折后粘连骨骼分割的方法，尤其涉及一种基于法向腐蚀和随机游走的骨折粘连分割方法。

背景技术

图像分割是医学图像处理分析中的一个重要步骤，是图像处理、计算机视觉领域中的经典问题。医学图像三维分割一直是医学图像分析领域的一个研究热点。在三维医学骨折图像中，产生位移的骨骼往往粘连在一起而未彻底分离，通常需要经过人工分割得各碎骨，才能进行后续的复位操作。人工分割耗费精力，浪费时间，因此需要一种能够实现自动分割粘连骨骼的方法。

医学图像三维分割主要可分为三类：基于结构的分割、基于统计学的分割及混合分割方法。基于结构的分割方法主要有边缘检测、数学形态学和图搜索算法等。边缘检测借助微分算子进行，三维微分算子模板可由二维微分算子模板推广得到，如Liu将Robert算子扩展到三维空间，提出了三维边界面检测算法。形态学方法使用具有一定形态的结构元素去提取图像中的对应形状，以达到对图像的分析和识别。图搜索方法利用图表来描述体数据中的边界面，在图表的两节点间寻找最优路径。基于统计学的方法主要有阈值分割方法、聚类算法等。阈值分割算法将灰度值大于阈值的体素归为一类，其余体素构成另一类。常用的聚类算法有K-均值算法、模糊C-均值算法和最大期望值(Expection-Maximization,EM)算法等。混合分割方法有区域增长算法、分裂合并算法、图谱引导算法等。区域增长算法一般从种子点开始，增长至所有满足连接标准的体素。分裂合并算法需将输入数据组织成区域的金字塔形网格结构，每个区域由八部分组成。图谱引导算法通过对分割的解剖结构信息进行编辑生成图谱，并以此作为分割的参照系统。

当前，应用于粘连物体的分割方法主要是针对粘连细胞、文字等二维图像的分割。本发明从传统的形态学腐蚀、膨胀运算出发，提出了基于体素法向的腐蚀方法，并结合随机游走，能够较准确地分割粘连的三维模型，防止过分割。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于法向腐蚀和随机游走的骨折粘连分割方法，从而实现骨折后骨骼各粘连碎块的分割与提取。本发明通过改进后的基于法向的腐蚀方法，与随机游走相结合，完成骨骼各粘连部分的分离。

本发明的基于法向腐蚀和随机游走的骨折粘连分割方法，包括以下步骤：

(1)模型预处理，平滑模型表面，以减少法向量计算的误差；该步通常采用对三维体素模型进行均值滤波实现。

(2)根据需求选取骨骼强粘连区域，采用随机游走计算分割面，提取粘连区域体素；所述的强粘连区域是指厚度大于周边骨骼厚度的粘连区域；其他粘连区域可以通过后续的腐蚀运算自动分割；

(3)对模型表面各体素，根据当前点与其邻域零点体素形成的向量、以及当前点的法向量，二者的位置关系判断是否腐蚀当前点；若上述两向量的夹角大于预设值α，则腐蚀当前点；α根据经验设置；采用数组记录腐蚀过程；粘连区域体素所需的腐蚀力度最大，所以与其余体素的腐蚀参数会有所不同，模型腐蚀次数通常为10次左右；

(4)对腐蚀后的结果进行连通区域标记，得到互不连通的各区域；更新腐蚀记录数组；

(5)膨胀还原上述互不连通的各区域，还原原始模型细节，完成分割。